基于概率神經(jīng)網(wǎng)絡(luò)的變壓器油色譜故障診斷的可行性探討

魯國華

（神華國華 （北京）電力研究院電控技術(shù)研究室，北京市朝陽區(qū)，100025）

1 引言

變壓器油色譜在線監(jiān)測和故障診斷對于變壓器的安全運行有著十分重要的意義，國家電網(wǎng)、南方電網(wǎng)以及各發(fā)電集團對此項工作的認識和理解的深度都在不斷加深，同時，利用統(tǒng)計進行模式識別的判定規(guī)則或策略的公認標(biāo)準(zhǔn)是：在某種意義上，使預(yù)期風(fēng)險降到最小，這樣的策略稱之 “貝葉斯策略”，適用于包含許多類別的分類問題。訓(xùn)練后的PNN （概率神經(jīng)網(wǎng)絡(luò)）在一些易滿足的條件下，以PNN 實現(xiàn)的判別邊界漸進地逼近貝葉斯最佳判定面。概率神經(jīng)網(wǎng)絡(luò)并不需要預(yù)先給出有關(guān)模式的經(jīng)驗知識和判別函數(shù)，它通過樣本及自身的學(xué)習(xí)機制自動形成所要求的決策能力，從映射角度看就是從征兆到故障類型的映射。

電氣設(shè)備故障的發(fā)生總會伴隨著各種征兆，且故障類型也多種多樣，既有漸變故障和突變故障，又有電回路故障和磁回路故障；既有線性故障，又有非線性故障，甚至多種故障交織在一起，其關(guān)系錯綜復(fù)雜，數(shù)學(xué)模型建立比較困難。概率神經(jīng)網(wǎng)絡(luò)的輸人結(jié)點對應(yīng)著故障征兆，輸出結(jié)點對應(yīng)著故障類型或者原因，利用故障樣本對網(wǎng)絡(luò)進行訓(xùn)練，以確定網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)。網(wǎng)絡(luò)訓(xùn)練完成后，故障的模式分類就是根據(jù)給定的一組征兆，實現(xiàn)征兆集到故障集之間的非線性映射過程。

2 神經(jīng)網(wǎng)絡(luò)的設(shè)計流程

概率神經(jīng)網(wǎng)絡(luò)具有較強的非線性處理能力，實際上就是用故障樣本空間映射到故障類型或者模式中去，從而形成對判斷變壓器故障類型有用的故障診斷網(wǎng)絡(luò)。變壓器油中分解的氣體能夠很好地反映各類變壓器的潛伏型故障，而在各種診斷方法中，三比值法是比較準(zhǔn)確的，也是國標(biāo)所推薦的，因此，選擇CH4／H2、C2H2／C2H4和C2H4／C2H6三比值作為輸入特征量，設(shè)計流程如圖1所示。

圖1 設(shè)計流程

根據(jù) 《變壓器油中溶解氣體分析和判斷導(dǎo)則DL／T722-2000》，將變壓器故障分為5類進行探討，見表1。

表1 故障分類

3 概率神經(jīng)網(wǎng)絡(luò)的訓(xùn)練

利用Matlab中newpnn命令調(diào)用概率神經(jīng)網(wǎng)絡(luò)并利用樣本對該網(wǎng)絡(luò)進行訓(xùn)練，利用sim 函數(shù)進行網(wǎng)絡(luò)預(yù)測。神經(jīng)概率網(wǎng)絡(luò)中Spread參數(shù)的的選擇對于網(wǎng)絡(luò)的訓(xùn)練效果是有影響的，用23組典型數(shù)據(jù)對概率神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，藍色表示實際故障分類，紅色表示故障征兆經(jīng)概率神經(jīng)網(wǎng)絡(luò)訓(xùn)練后的分類，不同Spread值訓(xùn)練對比如圖2 （圖中選擇了兩個不同的Spread值的訓(xùn)練結(jié)果對比）所示。

圖2 不同Spread值訓(xùn)練對比

神經(jīng)概率網(wǎng)絡(luò)訓(xùn)練完畢后，將23組原始數(shù)據(jù)再回代回訓(xùn)練后的網(wǎng)絡(luò)，檢驗訓(xùn)練網(wǎng)絡(luò)訓(xùn)練后與實際的誤差情況，數(shù)據(jù)回代校驗網(wǎng)絡(luò)結(jié)果如圖3 所示。

圖3 數(shù)據(jù)回代校驗網(wǎng)絡(luò)結(jié)果

4 網(wǎng)絡(luò)測試數(shù)據(jù)說明

本概率神 經(jīng) 網(wǎng) 絡(luò) 以CH4／H2、C2H2／C2H4和C2H4／C2H6為故障征兆即網(wǎng)絡(luò)輸入，共選取23組數(shù)據(jù)對概率神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，利用訓(xùn)練好的網(wǎng)絡(luò)對10組已知故障的數(shù)據(jù)進行預(yù)測故障，并選取國華系統(tǒng)內(nèi)電廠主變數(shù)據(jù)6組，共16組進行故障預(yù)測，具體數(shù)據(jù)見表2。

圖4 測試結(jié)果

5 網(wǎng)絡(luò)訓(xùn)練后的測試

利用訓(xùn)練完畢的pnn概率神經(jīng)網(wǎng)絡(luò)對16組數(shù)據(jù)進行測試，可以看出網(wǎng)絡(luò)預(yù)測正確率為75%，其中對于數(shù)據(jù)13、14 和15 還有待進一步明確狀態(tài)，默認原始狀態(tài)為1即正常狀態(tài)。測試結(jié)果如圖4所示。

表2 測試數(shù)據(jù) %

6 結(jié)論

通過上面的分析可以知道，利用pnn 概率神經(jīng)網(wǎng)絡(luò)對變壓器潛在的變化趨勢或者故障診斷是可行的，關(guān)鍵在于可靠、典型故障數(shù)據(jù)的收集以及變壓器實時在線監(jiān)測數(shù)據(jù)的準(zhǔn)確性以提高網(wǎng)絡(luò)判定的準(zhǔn)確性。

［1］ 張德豐.Matlab神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計 ［M］.北京：機械工業(yè)出版社，2009

［2］ 史峰，王小川.Matlab 神經(jīng)網(wǎng)絡(luò)30 個案例分析［M］.北京：北京航空航天大學(xué)出版社，2010

［3］ 王瑞.混凝土泵車臂架疲勞壽命研究 ［D］.西安：長安大學(xué)，2009

［4］ GB／T7252-2001，變壓器油中溶解氣體分析和判斷導(dǎo)則 ［S］

［5］ DL／1722-2000，變壓器油中溶解氣體分析和判斷導(dǎo)則 ［S］